Reviewer Acknowledgements for International Journal of Statistics and Probability, Vol. 7, No. 6
Notice bibliographique
Résumé
International Journal of Statistics and Probability wishes to acknowledge the following individuals for their assistance with peer review of manuscripts for this issue. Their help and contributions in maintaining the quality of the journal is greatly appreciated. Many authors, regardless of whether International Journal of Statistics and Probability publishes their work, appreciate the helpful feedback provided by the reviewers. Reviewers for Volume 7, Number 6   Carla J. Thompson, University of West Florida, USA Douglas Lorenz, University of Louisville, USA Felix Almendra-Arao , UPIITA del Instituto Politécnico Nacional , México Gane Samb Lo, University Gaston Berger, SENEGAL Gerardo Febres, Universidad Simón Bolívar, Venezuela Jiannan Lu, Microsoft Corporation, U.S.A. Kassim S. Mwitondi, Sheffield Hallam University, UK Luiz Ricardo Nakamura, University of Sao Paulo, Brazil Marcelo Bourguignon, Universidade Federal de Pernambuco, Brazil Maryam Eskandarzadeh, Persion Gulf Boshehr University, Iran Nahid Sanjari Farsipour, Alzahra University, Iran Olusegun Michael Otunuga, Marshall University, USA Pablo José Moya Fernández, Universidad de Granada, Spain Philip Westgate, University of Kentucky, USA Qingyang Zhang, University of Arkansas, USA Shatrunjai Pratap Singh, John Hancock Financial Services, USA Vilda Purutcuoglu, Middle East Technical University (METU), Turkey Vyacheslav Abramov, Swinburne University of Technology, Australia Weizhong Tian, Eastern New Mexico University, USA   Wendy Smith On behalf of, The Editorial Board of International Journal of Statistics and Probability Canadian Center of Science and Education
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,235 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».